論文の概要: Analyzing Machine Learning Performance in a Hybrid Quantum Computing and HPC Environment
- arxiv url: http://arxiv.org/abs/2407.07294v1
- Date: Wed, 10 Jul 2024 01:22:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-11 18:11:16.321310
- Title: Analyzing Machine Learning Performance in a Hybrid Quantum Computing and HPC Environment
- Title（参考訳）: ハイブリッド量子コンピューティングとHPC環境における機械学習性能の解析
- Authors: Samuel T. Bieberich, Michael A. Sandoval,
- Abstract要約: 我々は、量子シミュレータを「ハイブリッド」量子機械学習(QML)ワークフローに統合する可能性について検討した。
私たちは2つのOak Ridge Leadership Computing Facility HPCシステム、AndesとFrontierを使用しました。
Frontierで1GPUを使用すると、FrontierのCPUとローカルな非HPCシステムと比較して56%と77%のスピードアップがあった。
- 参考スコア（独自算出の注目度）: 1.0214800410255813
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We explored the possible benefits of integrating quantum simulators in a "hybrid" quantum machine learning (QML) workflow that uses both classical and quantum computations in a high-performance computing (HPC) environment. Here, we used two Oak Ridge Leadership Computing Facility HPC systems, Andes (a commodity-type Linux cluster) and Frontier (an HPE Cray EX supercomputer), along with quantum computing simulators from PennyLane and IBMQ to evaluate a hybrid QML program -- using a "ground up" approach. Using 1 GPU on Frontier, we found ~56% and ~77% speedups when compared to using Frontier's CPU and a local, non-HPC system, respectively. Analyzing performance on a larger dataset using multiple threads, the Frontier GPUs performed ~92% and ~48% faster than the Andes and Frontier CPUs, respectively. More impressively, this is a ~226% speedup over a local, non-HPC system's runtime using the same simulator and number of threads. We hope that this proof of concept will motivate more intensive hybrid QC/HPC scaling studies in the future.
- Abstract（参考訳）: 高速コンピューティング(HPC)環境で古典計算と量子計算の両方を利用する「ハイブリッド」量子機械学習(QML)ワークフローに量子シミュレータを統合する利点について検討した。
ここでは、2つのOak Ridge Leadership Computing Facility HPCシステム、Andes(コモディティタイプのLinuxクラスタ)とFrontier(HPE Cray EXスーパーコンピュータ)とPennyLaneとIBMQの量子コンピューティングシミュレータを使って、ハイブリッドQMLプログラムの評価を行いました。
Frontierで1GPUを使用すると、FrontierのCPUとローカルな非HPCシステムと比較すると、それぞれ56%と77%のスピードアップがあった。
複数のスレッドを使用して大きなデータセットのパフォーマンスを分析した結果、Frontier GPUはそれぞれ、AndesとFrontier CPUよりも約92%、あるいは48%高速に動作した。
さらに印象的なことに、これは、同じシミュレータとスレッド数を使用して、ローカルで非HPCシステムのランタイムを約226%高速化する。
この概念実証が将来,より集中的なハイブリッドQC/HPCスケーリング研究の動機になることを願っている。
関連論文リスト
- GPU-accelerated Effective Hamiltonian Calculator [70.12254823574538]
本研究では,非摂動解析対角化法(NPAD)とマグナス拡大法に着想を得た数値解析手法を提案する。
私たちの数値技術は、オープンソースPythonパッケージとして、$rm qCH_eff$で利用可能です。
論文 参考訳（メタデータ） (2024-11-15T06:33:40Z) - Technology and Performance Benchmarks of IQM's 20-Qubit Quantum Computer [56.435136806763055]
IQM量子コンピュータはQPUと他のフルスタック量子コンピュータの両方をカバーする。
焦点は、Garnet QPUとそのアーキテクチャを特徴とする20量子ビットの量子コンピュータであり、最大150量子ビットまでスケールする。
QPUとシステムレベルベンチマークは、中央値の2キュービットゲート忠実度99.5%、グリーンバーガー・ホーネ・ザイリンガー(GHZ)状態の20キュービット全てを真のエンハングリングする。
論文 参考訳（メタデータ） (2024-08-22T14:26:10Z) - A Framework for Integrating Quantum Simulation and High Performance Computing [0.0]
本稿では,HPCリソース上で動作する量子シミュレーションソフトウェアへのアクセスを効率化するフレームワークについて述べる。
これには、回路ベースの量子コンピューティングタスクのためのインターフェースと、必要なリソース管理インフラストラクチャが含まれる。
論文 参考訳（メタデータ） (2024-08-15T11:48:14Z) - cuTN-QSVM: cuTensorNet-accelerated Quantum Support Vector Machine with cuQuantum SDK [17.80970950814512]
本稿では,NVIDIA の cuQuantum SDK で実現される計算の進歩に着目し,量子支援ベクトルマシン (QSVM) の適用について検討する。
CuTensorNetは、NVIDIA A100 GPUで数秒で完了するシミュレーションをスピードアップする。
我々のQSVMは、100以上のインスタンスをトレーニングするためのMNISTデータセット内の挑戦的な分類を最大95%達成し、古典的なSVMの能力を上回っています。
論文 参考訳（メタデータ） (2024-05-04T10:37:01Z) - Hybrid quantum programming with PennyLane Lightning on HPC platforms [0.0]
PennyLaneのLightningスイートは、CPU、GPU、HPCネイティブアーキテクチャとワークロードをターゲットにした高性能なステートベクタシミュレータのコレクションである。
QAOA、VQE、合成ワークロードなどの量子アプリケーションは、サポート対象の古典的コンピューティングアーキテクチャを実証するために実装されている。
論文 参考訳（メタデータ） (2024-03-04T22:01:03Z) - Benchmarking Quantum Computer Simulation Software Packages: State Vector Simulators [0.0]
我々は、HPC機能に特化して量子力学をシミュレートできるいくつかのソフトウェアパッケージをベンチマークする。
我々は,異なる並列化機能を用いて,ローカルHPCクラスタ上で大規模なシミュレーションパッケージをベンチマークするコンテナ化されたツールチェーンを開発した。
この結果は,シミュレーションタスクに適したパッケージを見つける上で有効であり,既存および新たに開発されたシミュレーションパッケージの今後のバージョンをベンチマークし,検証するための,体系的なコミュニティ活動の基礎となる。
論文 参考訳（メタデータ） (2024-01-17T09:34:28Z) - Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。
1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。
我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-25T05:04:44Z) - Cloud on-demand emulation of quantum dynamics with tensor networks [48.7576911714538]
プログラム可能なアナログ量子処理ユニット(QPU)を模擬したテンソルネットワークに基づくエミュレータを導入する。
ソフトウェアパッケージは、HPCクラスタ上でジョブを実行し、それらをQPUデバイスにディスパッチするための共通インターフェースを提供するクラウドプラットフォームに完全に統合されている。
論文 参考訳（メタデータ） (2023-02-10T14:08:05Z) - Parallel Simulation of Quantum Networks with Distributed Quantum State
Management [56.24769206561207]
我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。
コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。
既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
論文 参考訳（メタデータ） (2021-11-06T16:51:17Z) - Fast quantum circuit simulation using hardware accelerated general
purpose libraries [69.43216268165402]
CuPyは、GPUベースの量子回路向けに開発された汎用ライブラリ(線形代数)である。
上位回路の場合、スピードアップは約2倍、量子乗算器の場合、最先端のC++ベースのシミュレータと比べて約22倍である。
論文 参考訳（メタデータ） (2021-06-26T10:41:43Z) - Intel Quantum Simulator: A cloud-ready high-performance simulator of
quantum circuits [0.0]
我々は、qHiPSTERとして知られていたIntel Quantum Simulator(IQS)の最新リリースを紹介する。
このソフトウェアの高性能コンピューティング能力により、ユーザーは利用可能なハードウェアリソースを活用できる。
IQSは計算資源を分割し、関連する回路のプールを並列にシミュレートする。
論文 参考訳（メタデータ） (2020-01-28T19:00:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。